人工智能技术在金融领域中的应用

赵亚伟 中国科学院大学

      与金融科技相关的研究工作主要集中在网络传播、事件图谱和金融自动建模平台三个方面。

一、网络传播

      网络传播可分析因内部（或外界）的节点属性变化而对其他节点属性的影响，可以用于风险传播分析、价值传播分析、客户群体抗风险能力、关键客户发现等，为规避风险提供决策支持。

      现在许多金融机构都在针对自己的客户构建企业图谱，这也是知识图谱的一种表现形式，这种图谱是基于内部或外部数据构建而成的。近几年由于国际形势的变化，例如中美贸易战、新冠肺炎等事件的发生，使得金融行业的风险更多体现在外部风险，而不是内部风险。外部风险可以很好的由图谱构建出来，由外部数据构成的事件图谱，通过公共节点导入到内部图谱。事件图谱是基于某个特定的事件，通过识别事件的主体、客体以及二者之间的关系而形成的图谱。

      此外，我们提出了一种基于数值计算的网络微观传播模型（由于其传播类似流形计算中的Isomap，故命名为黎曼传播模型）。传统的传播模型主要用于研究宏观传播，只能界定网络在某一个时刻有多少个节点受影响，不会得出哪些节点受影响。我们的网络微观传播模型能够具体到每一个节点，同时进行量化分析，计算出传播的路径和传播影响的大小。

二、事件图谱

      事件图谱是基于NLP技术对事件要素抽取，形成某个时间戳下的事件图谱。可用于外部风险（或商机）的识别和发现，以及可能的演化模式，并分析风险源，及时规避风险等，也可用于优化客户结构、营销预测、获客效率等。

      网络传播是基于事件图谱形成的，事件图谱本质是对事件的结构化描述，反映了事件的要素。构建事件图谱，首先要把外部事件转换为图谱。事件是时间、地点、原因、实体、关系等相关要素组建而成，事件有正面也有负面，与舆情分析的区别是，前者更强调结构化分析，后者更多从定性的角度分析。

      事件图谱的核心任务是事件抽取，针对特定领域的事件进行相关要素（包括时间、地点、原因、实体、关系）的抽取。以2015年俄罗斯和土耳其之间发生的冲突为例，俄罗斯的su-24战斗机被土耳其的F-16战斗机击落，事件类型是冲突，子类型是攻击，事件要素是俄罗斯su-24战斗机，触发词是击落等。触发词是在整个句子中，最能代表该类事件的一个词，一般来说是动词；事件要素是事件所涉及要素的描述项。

      关系抽取是事件抽取的难点，我们提出了基于表示学习的关系抽取，采用预训练模型BERT优化表示特征，抽取准确率、召回率均有提升，更大程度地识别隐关系，精准发现相关风险。相关成果已经进行产业推广。

三、金融自动建模平台

      金融自动建模平台是金融行业人工智能应用的重要领域，建模工作频繁，研发的自动建模平台可根据需求自动、快速完成建模工作。平台包括客户分群、风险预警、关联挖掘等，提供15个分类模型，17个回归模型和4个聚类模型可选，同时针对不同问题类型提供多种模型评价指标。

      金融自动建模平台包括数据、数据探查、模型训练与评估、模型使用四个功能。数据功能包括数据上传、数据加工和数据管理，能够完成四种数据库类型、两种文件类型数据源的上传，横向合并和纵向拼接数据，进行文件夹多层级管理和标签管理。数据探查包括数据分析和特征工程，能够进行数据概貌分析和单特征、多特征分析，筛选掉没有价值的数据。在此基础上，进行模型训练与评估，生成许多符合标准的模型，并从其中筛选出最好的模型，进行模型评估。最后交付使用，并且实现模型效果追踪和模型回滚，主要关注精确率和召回率两个参数。

      此外，合作模式定位为前瞻性技术研究，形成探索类项目合作，以方法、算法或模型，研究报告，学术论文等形式产出成果。

来源：2020（第十六届）中国金融风险经理年度总论坛